پیش بینی هوشمند چراغ راهنمای رانندگی با رویکرد یادگیری بهینه جهت کنترل خطر

از جمله مشکلاتت ج دی که به دلیل افزایش بی رویه وسایل نقلیه ایجاد می شود، ازدحام ترافیک است.ازدحام ترافیک در کلان شهرها فشار زیادی را بر تصمیم گیرندگان وارد می کند تا در برنامه ریزی و استقرار راه حل ها سرمایه گذاری کنند.با استفاده از یک روش مناسب مدیریت ترافیک می توان مشکل تراکم ترافیک را کاهش داد و به این امر ضروری کمک نمو د. در این مقاله، ما با یک متدلوژی جدید، شامل الگوریتم ترکیبی از کلونی وشبکه عصبی عمیق مبتنی بر کانولوشن با هدف کنترل و پیش بینی ترافیک به مدیریت ترافیک با روکیرد هوشمند سازی تقاطع پرداخته ایم. اطلاعات تاریخچه ترافیک ثبت شده از اتومبیل های عبوری و متوقف شده در سیستم هوشمند جهت محاسبه زمان سبز/قرمز در هر جهت بار ترافیکی آینده در هر خیابان منتهی به یک تقاطع که توسط چراغ راهنمایی کنترل می شود کاهش داد. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی بهینه بر روی طرح شبیه ساز تا ۹۶ درصد عملکرد بهتری در مقایسه با یک سیستم ترافیکی استاندارد را از خود نشان می دهد .

کلیدواژه ها:

، CNN ، هوشمند سازی ترافیک ، یادگیری عمیق ، کلونی